多年來，云供應(yīng)商停機并不是新聞：

運維失誤，硬盤故障服務(wù)器運維技術(shù)，機房被雷擊，調(diào)試時輸入錯誤的命令，不同的錯誤會導致不同的BUG，最終導致云服務(wù)故障，造成較大損失。 AWS的費良洪先生在回憶云計算的發(fā)展歷程時曾說：“在我眼里，云計算是十年的積淀，十年的教訓?！?故障一直是云服務(wù)命運的雙胞胎。 一次次的斷層之痛，都在逼著云服務(wù)廠商和用戶加速成長，但這一次對于初創(chuàng)公司“ CNC”來說，實在是太過痛苦了。

InfoQ 認為，云供應(yīng)商和用戶在此類云服務(wù)故障事件中吸取了寶貴的教訓。

對于廠商來說，需要學習的是：

注意錯誤

供應(yīng)商工程師在編寫代碼時應(yīng)捕獲異常服務(wù)器運維技術(shù)，然后進行適當?shù)腻e誤處理。

盡可能緩存動態(tài)內(nèi)容，甚至是靜態(tài)內(nèi)容

Redis緩存、Nginx緩存、CDN都是緩存甚至靜態(tài)化內(nèi)容的一些手段。 雖然多級緩存維護起來比較麻煩，但是當?shù)讓臃?wù)出現(xiàn)問題時，它們是不可多得的戰(zhàn)略緩沖。 緩存給你買來的半小時到幾個小時幾乎就是救命靈芝，可以幫助你度過最艱難的時刻（，相對冷靜地尋找解決方案，緊急發(fā)布新頁面，或者遷移服務(wù)，把損失降到最低。

失敗演練很重要

一個系統(tǒng)的高可用有很多因素，不僅僅是系統(tǒng)架構(gòu)，更重要的是——高可用運維。 對于高可用運維，平時的故障演練非常重要。 每個季度擲一次骰子，隨機關(guān)閉一個 IDC 一天。 借助 Chaos，路透社每年還進行一次大規(guī)模的故障演練——災(zāi)難演練。 目的是提高應(yīng)對意外故障的能力。

充分告知用戶云計算服務(wù)并非 100% 可靠

云提供商在提供云服務(wù)時，應(yīng)告知用戶存在極小概率的云存儲損壞或數(shù)據(jù)丟失。 建議用戶自行備份或購買云備份。 如果不告知或強調(diào)不夠，很多用戶會認為云提供商將對數(shù)據(jù)丟失造成的所有損失負責。

尊重用戶，妥善處理危機

如果你是一家科技公司，你會更相信技術(shù)而不是管理。 相信技術(shù)就會用技術(shù)解決問題，相信管理，那么只有制度、流程、價值觀才會解決問題。 沒有人愿意看到問題發(fā)生； 但出現(xiàn)問題后，最重要的是解決問題，反思問題，吸取教訓。 ——陳浩

對于用戶來說，需要學習的是：

檢查核心依賴性并增加關(guān)鍵服務(wù)的冗余

很多云服務(wù)，比如AWS自己的系統(tǒng)，在構(gòu)建上都有冗余的特性，但是完全使用會增加很多管理復(fù)雜度和成本支出，因為跨環(huán)境之間的數(shù)據(jù)同步需要云用戶自己來處理。 大多數(shù)企業(yè)不會選擇以上方案，但單純的數(shù)據(jù)備份在短短幾個小時的周期內(nèi)起不到任何作用。 但這是一件值得去做的事情。

主動做好備份

根據(jù)美國標準TIA-942《數(shù)據(jù)中心通信基礎(chǔ)設(shè)施標準》，從可用性、穩(wěn)定性和安全性分為四個級別：T1，可用性為99.67%； T2，可用性為99.749%； T3，可用性為99.982%； T4，99.995% 的可用性。 年平均停機時間也從0.4小時到28.8小時不等，這意味著每年都可能因為各種原因出現(xiàn)不可用。 不管有多少個“9”的云服務(wù)，其可靠性仍然不是100%。 用戶需要自己做備份。 當云服務(wù)出現(xiàn)故障時，有恢復(fù)數(shù)據(jù)的通道，而不是像“邊疆CNC”一樣被蒙蔽了雙眼。

整理/江湖“云計算一姐”之稱的上海云暢網(wǎng)絡(luò)科技創(chuàng)始人兼CEO顧一楠，GLG簽約中國云計算行業(yè)信息化顧問，致力于用一站式人工智能運維管理平臺，國際一流的專業(yè)服務(wù)和標準化流程，幫助中國企業(yè)選好云、用好云、用好云。